Question

我有一个具有唯一正整数的数组/集，即

>>> unique = np.unique(np.random.choice(100, 4, replace=False))

包含从前一个数组中采样的多个元素的数组，例如

>>> A = np.random.choice(unique, 100)

我想将数组A的值映射到这些值在unique中出现的位置。

到目前为止，我找到的最佳解决方案是通过映射数组：

>>> table = np.zeros(unique.max()+1, unique.dtype)
>>> table[unique] = np.arange(unique.size)

上面为每个元素分配了数组上的索引，因此可以在以后通过高级索引来映射A：

>>> table[A]
array([2, 2, 3, 3, 3, 3, 1, 1, 1, 0, 2, 0, 1, 0, 2, 1, 0, 0, 2, 3, 0, 0, 0,
       0, 3, 3, 2, 1, 0, 0, 0, 2, 1, 0, 3, 0, 1, 3, 0, 1, 2, 3, 3, 3, 3, 1,
       3, 0, 1, 2, 0, 0, 2, 3, 1, 0, 3, 2, 3, 3, 3, 1, 1, 2, 0, 0, 2, 0, 2,
       3, 1, 1, 3, 3, 2, 1, 2, 0, 2, 1, 0, 1, 2, 0, 2, 0, 1, 3, 0, 2, 0, 1,
       3, 2, 2, 1, 3, 0, 3, 3], dtype=int32)

这已经给了我正确的解决方案。但是，如果unique中的唯一数字非常稀疏且大，则此方法意味着创建一个非常大的table数组，只是为了存储一些数字以便以后映射。

有没有更好的解决方案？

注意：A和unique都是示例数组，不是实数数组。所以问题不在于如何生成位置索引，而是如何有效地将A的元素映射到unique中的索引，伪代码我想要的内容numpy的加速如下，

B = np.zeros_like(A)
for i in range(A.size):
    B[i] = unique.index(A[i])

（假设unique是上述伪代码中的列表。）

Answer 1

如果unique非常密集，那么问题中描述的表格方法是最佳选择，但unique.searchsorted(A)应该产生相同的结果并且不要求unique密集。 searchsorted对于int是很好的，如果有人试图使用具有精度限制的浮点数做这种事情，请考虑类似this的内容。

Answer 2

您可以将标准python dict与np.vectorize

一起使用

inds = {e:i for i, e in enumerate(unique)}
B = np.vectorize(inds.get)(A)

Answer 3

numpy_indexed包（免责声明：我是它的作者）包含一个vector.index的向量化等价物，它不需要与max元素成比例的内存，但只与输入本身成比例：

import numpy_indexed as npi
npi.indices(unique, A)

请注意，它也适用于任意dtypes和维度。此外，被查询的阵列不需要是唯一的;遇到的第一个索引将被返回，与列表相同。

Numpy在另一个数组

3 个答案: